Naukowcy nie potrafią odróżnić tych ptaków, a komputery tak

Dla obserwatorów ptaków jest faktem, że niektóre gatunki są piekielnie trudne do odróżnienia – w szczególności wróble i bezbarwne ptaki śpiewające nazywane „małymi brązowymi robotami”. Rozróżnienie jednostek jest prawie niemożliwe. Teraz program komputerowy analizujący zdjęcia i filmy dokonał tego wyczynu. Zaliczka obiecuje ujawnienie nowych informacji na temat zachowań ptaków.

„Spędzamy dużo czasu z lornetką, skuleni, wpatrując się w ptaki i ich nogi” – mówi Iris Levin, ekolog behawioralny z Kenyon College, która nie była zaangażowana w nową pracę. Powód: przez lata naukowcy identyfikowali ptaki, umieszczając na ich nogach kolorowe paski. Używają tych opasek do identyfikacji ptaków na wolności – a także na zdjęciach i filmach w laboratorium. „To często bywa pracochłonne” – mówi Levin.

Specjalnie wyposażone znaczniki mogą ułatwić pracę, włączając GPS i czujniki zbliżeniowe, które rejestrują interakcje zwierząt. Pasywne zintegrowane znaczniki transpondera (PIT), używane również do zapobiegania kradzieżom w sklepach i identyfikacji zwierząt domowych, wysyłają sygnały ping do połączonych anten, gdy ptak wyląduje w odległości kilku centymetrów. Ekolog behawioralny Claire Doutrelant z CNRS, francuskiej krajowej agencji badawczej, i jej współpracownicy od 2017 roku dodają te małe znaczniki do pierścieni na nogach towarzyskich ptaków tkaczy ( Philetairus socius ).

Towarzyscy tkacze współpracują przy budowie dużych gniazd w południowej Afryce, często na drzewach akacji. Gniazda mogą ważyć nawet 1 tonę i pomieścić do 200 ptaków w poszczególnych komorach. Ich zachowania kooperacyjne obejmują również wychowywanie piskląt i obronę przed wężami i sokołami. Aby zbadać te zachowania, naukowcy zidentyfikowali i śledzili setki pojedynczych ptaków.

Anteny na karmnikach śledzą, które ptaki żyją w kolonii. Jednak bardziej szczegółowe informacje – na przykład, które ptaki w największym stopniu przyczyniły się do działań społeczności – nie były możliwe do uzyskania w ten sposób. A Doutrelant i jej koledzy nie mogą umieszczać anten w całym gnieździe: ptaki się ich boją, a ich komory są zbyt blisko siebie, aby można było zebrać wiarygodne dane.

Tak więc członek zespołu André Ferreira, dr hab. student Uniwersytetu w Montpellier, postanowił wypróbować rodzaj sztucznej inteligencji. Narzędzie, zwane konwolucyjną siecią neuronową, przegląda tysiące obrazów, aby dowiedzieć się, które cechy wizualne można wykorzystać do sklasyfikowania danego obrazu; następnie wykorzystuje te informacje do klasyfikowania nowych obrazów. Konwolucyjne sieci neuronowe zostały już wykorzystane do identyfikacji różnych gatunków roślin i zwierząt w środowisku naturalnym, w tym 48 rodzajów zwierząt afrykańskich. Osiągnęli nawet bardziej skomplikowane zadanie dla słoni i niektórych naczelnych: rozróżnienia osobników tego samego gatunku.

Ferreira wprowadziła do sieci neuronowej kilka tysięcy zdjęć 30 towarzyskich tkaczy, które zostały już oznaczone. „Nikt nie wymyślił skutecznej metody gromadzenia tych zestawów danych szkoleniowych” – mówi. Aby zrobić zdjęcia, ustawił kamery w pobliżu karmników wyposażonych w anteny o częstotliwości radiowej. Gdy tylko ptaki wylądowały, mały komputer rejestrował ich tożsamość za pomocą znacznika PIT, a kamera robiła zdjęcia ich grzbietów co 2 sekundy. (Widok z tyłu to część ptaka najczęściej widziana podczas gniazdowania lub żerowania).

Już po 2 tygodniach Ferreira miała wystarczająco dużo zdjęć, aby wytrenować sieć neuronową. „Nie byliśmy pewni, czy to zadziała” – wspomina Doutrelant. „Często obserwowaliśmy te ptaki i nigdy nie udało nam się ich rozpoznać bez kolorowych pierścieni”. Ale kiedy otrzymaliśmy zdjęcia, których wcześniej nie widziano, sieć neuronowa poprawnie zidentyfikowała poszczególne ptaki w 90% przypadków, donoszą w Methods in Ecology and Evolution. Doutrelant twierdzi, że jest to mniej więcej taka sama dokładność, jak ludzie próbujący dostrzec kolorowe pierścienie za pomocą lornetki.

Ferreira następnie wypróbowała to podejście na dwóch innych gatunkach ptaków, które badał Damien Farine, ekolog behawioralny z Instytutu Zachowania Zwierząt Maxa Plancka. Narzędzie to było równie dokładne w identyfikowaniu zięb zebry w niewoli i sikorki na wolności. Oba gatunki są szeroko badane przez ekologów.

Ale Gail Patricelli, ekolog behawioralny z Uniwersytetu Kalifornijskiego w Davis, widzi pewne ograniczenia tego podejścia. Na przykład w przypadku gatunków, które są trudne do wychwycenia i oznakowania, uzyskanie tysięcy możliwych do zidentyfikowania zdjęć potrzebnych do wytrenowania sieci neuronowej może być trudne. Bada cietrzewia, gatunek ginący, i stara się unikać dotykania ich, ponieważ stresuje to ptaki. Kolejne potencjalne ograniczenie: kiedy ptaki linieją, sieć neuronowa może ich nie rozpoznawać i wymagać ponownego przeszkolenia. Ferreria zbiera zdjęcia innych cech, takich jak wygląd głowy, aby ulepszyć narzędzie.

Jak twierdzi Ferreira, największym ograniczeniem obecnej sieci neuronowej jest to, że próbuje ona zidentyfikować każdego ptaka jako takiego, który już zna, więc nie może rozpoznać nowego osobnika. Ferreira pracuje teraz z Farine, aby wypróbować inny rodzaj sieci neuronowej, która mogłaby to zrobić – musiałaby zostać wyszkolona na zdjęciach wielu innych ptaków. Gdyby zbiór danych był wystarczająco duży, z narzędzia mogliby korzystać nawet naukowcy, którzy nie oznakowali swoich ptaków. „Myślę, że to całkowicie zmieni zasady gry” – mówi Farine.

Pomimo tych ograniczeń Patricelli nazywa nową pracę „ekscytującą” i mówi, że otwiera ona możliwości badania wielu innych gatunków i zachowań ptaków. „Fakt, że ten algorytm był w stanie je rozróżnić – kiedy wyglądają bardzo podobnie patrząc gołym okiem – jest zdecydowanie uderzający”.

Źródło: Erik Stokstad, doi: 10.1126 / science.abe0041 | Zdjęcie: Photo by Dulcey Lima on Unsplash

Subscribe
Powiadom o
guest
0 komentarzy
Inline Feedbacks
View all comments
0
Would love your thoughts, please comment.x
()
x